DBMS > Badger vs. Google Cloud Bigtable vs. RDF4J vs. Tigris

Vergleich der Systemeigenschaften Badger vs. Google Cloud Bigtable vs. RDF4J vs. Tigris

Bitte wählen Sie ein weiteres System aus, um es in den Vergleich aufzunehmen.

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

An embeddable, persistent, simple and fast Key-Value Store, written purely in Go.

Google's NoSQL Big Data database service. It's the same database that powers many core Google services, including Search, Analytics, Maps, and Gmail.

RDF4J ist ein Java Framework zur Verarbeitung von RDF Daten, sowohl Hauptspeicher- als auch Disk-basiert.

A horizontally scalable, ACID transactional, document database available both as a fully managed cloud service and for deployment on self-managed infrastructure

Primäres Datenbankmodell

Key-Value Store

Key-Value Store
Wide Column Store

RDF Store

Document Store
Key-Value Store
Suchmaschine
Time Series DBMS

DB-Engines Ranking misst die Popularität von Datenbankmanagement- systemen
Trend Chart

Punkte	0,22
Rang	#320	Overall
	#47	Key-Value Stores

Punkte	3,15
Rang	#95	Overall
	#14	Key-Value Stores
	#8	Wide Column Stores

Punkte	0,74
Rang	#222	Overall
	#9	RDF Stores

Punkte	0,09
Rang	#363	Overall
	#49	Document Stores
	#54	Key-Value Stores
	#22	Suchmaschinen
	#38	Time Series DBMS

Website

github.com/dgraph-io/badger

cloud.google.com/bigtable

rdf4j.org

www.tigrisdata.com

Technische Dokumentation

godoc.org/github.com/dgraph-io/badger

cloud.google.com/bigtable/docs

rdf4j.org/documentation

www.tigrisdata.com/docs

Entwickler

DGraph Labs

Google

Since 2016 officially forked into an Eclipse project, former developer was Aduna Software.

Tigris Data, Inc.

Erscheinungsjahr

2017

2015

2004

2022

Lizenz

Commercial or Open Source

Open Source

Apache 2.0

kommerziell

Open Source

Eclipse Distribution License (EDL), v1.0.

Open Source

Apache Version 2.0

Ausschließlich ein Cloud-Service

Nur als Cloud-Service verfügbar

nein

DBaaS Angebote (gesponserte Links)

Database as a Service

Providers of DBaaS offerings, please contact us to be listed.

Implementierungssprache

Java

Server Betriebssysteme

BSD
Linux
OS X
Solaris
Windows

gehostet

Linux
OS X
Unix
Windows

Linux
macOS
Windows

Datenschema

schemafrei

RDF Schemas

Typisierung

vordefinierte Datentypen, z.B. float oder date

nein

XML Unterstützung

Verarbeitung von Daten in XML Format, beispielsweise Speicherung von XML-Strukturen und/oder Unterstützung von XPath, XQuery, XSLT

nein

Sekundärindizes

nein

SQL

Support of SQL

nein

APIs und andere Zugriffskonzepte

gRPC (using protocol buffers) API
HappyBase (Python library)
HBase compatible API (Java)

Java API
RIO

RDF Input/Output
Sail API
SeRQL

Sesame RDF Query Language
Sesame REST HTTP Protocol
SPARQL

CLI Client
gRPC
RESTful HTTP API

Unterstützte Programmiersprachen

C#
C++
Go
Java
JavaScript (Node.js)
Python

Java
PHP
Python

Go
Java
JavaScript (Node.js)

Server-seitige Scripts

Stored Procedures

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

keine

Sharding

keine

Sharding

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

keine

Internal replication in Colossus, and regional replication between two clusters in different zones

keine

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

keine

Immediate consistency (for a single cluster), Eventual consistency (for two or more replicated clusters)

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

Atomic single-row operations

ACID

Isolation abhängig vom verwendeten API

ACID

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Durability

Dauerhafte Speicherung der Daten

In-memory Storage wird ebenfalls unterstützt

yes, using FoundationDB

In-Memory Unterstützung

Gibt es Möglichkeiten einige oder alle Strukturen nur im Hauptspeicher zu halten

nein

Berechtigungskonzept

Zugriffskontrolle

nein

Access rights for users, groups and roles based on Google Cloud Identity and Access Management (IAM)

nein

Access rights for users and roles

Weitere Informationen bereitgestellt vom Systemhersteller

Wir laden Vertreter der Systemhersteller ein uns zu kontaktieren, um die Systeminformationen zu aktualisieren und zu ergänzen,
sowie um Herstellerinformationen wie Schlüsselkunden, Vorteile gegenüber Konkurrenten und Marktmetriken anzuzeigen.

Zugehörige Produkte und Dienstleistungen

Wir laden Vertreter von Anbietern von zugehörigen Produkten ein uns zu kontaktieren, um hier Informationen über ihre Angebote zu präsentieren.

Weitere Ressourcen

Erwähnungen in aktuellen Nachrichten

Google's AI-First Strategy Brings Vector Support To Cloud Databases
1. März 2024, Forbes

Google Introduces Autoscaling for Cloud Bigtable for Optimizing Costs
31. Januar 2022, InfoQ.com

Google scales up Cloud Bigtable NoSQL database
27. Januar 2022, TechTarget

Review: Google Bigtable scales with ease
7. September 2016, InfoWorld

Google Cloud makes it cheaper to run smaller workloads on Bigtable
7. April 2020, TechCrunch

bereitgestellt von Google News

GraphDB Goes Open Source
27. Januar 2020, iProgrammer

Ontotext's GraphDB 8.10 Makes Knowledge Graph Experience Faster and Richer
13. Juni 2019, Markets Insider

bereitgestellt von Google News

Tigris Data Unveils Beta Launch of New Vector Search Tool
19. Mai 2023, Datanami

Tigris Data Launches All-in-One Developer Data Platform
27. September 2022, Datanami

FerretDB Provides Alternative to MongoDB
19. Mai 2023, Datanami

Latest Asigra platform targets SaaS backup for MSPs
6. März 2023, TechTarget

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk